机审规则
机审规则即风险词表，由海量的风险词和匹配规则构成，简单理解为根据匹配规则，识别待检测文本中是否存在风险词表中的词，下面来具体说说匹配规则：
1.场景1：针对单个风险词的匹配规则精准包含匹配：待检测文本中精准包含风险词才能够命中机审规则。如风险词为，待检测文本中内容为，词中间加入了特殊符号，即无法识别；
强过滤匹配：能够将（1）中的特殊符合自动过滤后进行匹配，即将转化为，再进行识别；
拼音匹配：能够将、转化为进行识别；
字母大小写转换：如风险词为，可以将、转化为进行识别。
2.场景2：针对多个风险词的匹配规则多模匹配：通过识别固定词间距内是否同时出现了多个风险词（通常不超过个），如同时出现即命中机审规则。举例：如机审规则中，风险词为和，设置识别的固定词间距为60字。当待检测文本中出现，且两个词间距不超过60字时，机审规则可以识别；
置换匹配：对于多模匹配，需要按顺序先出现，再出现，才能识别；而置换匹配，可以将两个词倒序排布后识别，即可以识别。
.场景：豁免规则为防止正常合规的词语被误杀，通常会人为添加豁免规则。
举个例子：如机审规则中风险词为，豁免规则为。那么当出现时，即会命中豁免规则，允许该词语正常使用。
除了上述基本的匹配规则外，在商业推广中通常还会增加。白名单机制的出现，是基于品牌保护的目的，即白名单内的客户或账户允许使用词，其他客户不允许使用，来保证品牌主体的正当权益。
大家可能有疑问，海量的风险词是怎么来的？如何判断一个词属于低俗风险？
这些都是专业的审核人员或风控规则运营人员基于工作经验、审核case以及互联网的海量数据进行人工整理的。可想而知，工作量极大。
随着机审能力的发展，目前也可以借助一些词扩展工具，通过一个基础词，基于繁体转换、拼音转换、同义转化等逻辑，自动扩展出变体词，辅助人工收集。
机审模型
机审模型能够实现对文本、图片、音频、视频各种形态产品的识别，对于不同形态的产品如何识别呢？
1.文本识别相较于机审规则，模型能够实现的识别场景更多。通过语义分析构建智能学习算法，结合场景对风险文本进行识别。
以下面一段文本为例，这段话拆开每个词都不涉及敏感问题，但整体的场景描述下却是低俗导向，不适宜发布。
对于这类情况，机审规则无法生效，只能靠模型来识别。通过样本输入和机器学习，让模型具备这类场景的识别能力。
2.图片识别通常区分为图片中的文字和图像识别：
文字识别采用ocr识别技术，即对图片进行扫描，将图片中的文本输出，再使用文本规则或模型进行风险识别；图像识别基于海量的图片数据，获取图片的信息并进行预处理，比如去噪、平滑、变换等，然后抽取图片特征进行分类处理存储至索引库，计算并存储图片的风险标签。
那在面对一张新图片时，索引库中如有与之相似的特征，即可以进行识别判断。作者对于图像识别研究并不深入，不作更多妄论。
.音频识别asr语音识别技术，将音频转换为文字后进行识别。
首先对音频进行预处理，提取音频的特征。特征提取出来后，建立索引库存放特征。在面对一段待识别的语音时，将其与索引库中特征进行匹配，输出识别的结果。
音频识别与同为多媒体元素的图片识别，基本的原理是一样的，都是提取特征、建立索引库存储、特征匹配这三大过程。
4.视频识别视频审核目前主要以视频切帧的方式，将视频切成一张张的图片，再按照图片识别的方式进行审核。
小结
可以看到，相较于机审规则，模型的识别范围更加广泛，识别能力更加强大。但在实际机器审核中，通常是规则和模型组合拳的方式使用。
原因在于，模型的研发需要更加海量的数据和极细粒度的标准，并经过严格的线上测试，准召率达标后才能够上线使用。而机审规则不需要研发，通常配置即可生效，是一种实时服务。
对于紧急风险来说，最合适的办法是使用机审规则应急，同时进行模型研发，以最大程度降低风险影响。
当然机器算法的识别能力也是有限的，除了准召率的问题外，对于某些场景几乎不适用。
比如直播的审核，对时效性要求极高。如使用视频切帧、音频识别的方式，直播画面结束还没审核完成，远远达不到风险管控的目的。因此通常使用人工审核，盯在直播间前防止风险突发。
本篇文章的内容就到这里，关于更多的审核模式、审核机制、审核业务管理方式等会在后续文章中继续和大家分享！欢迎大家一起探讨！
转载自人人都是产品经理
-END-
一夫当关
万夫莫开
图文编辑
一夫
??
—点击下方图片，一起做新时代把关人—预览时标签不可点收录于话题#个上一篇下一篇